如何用AI拆解机构研报：AlphaGBM Skills研报拆解工作流保留原始评级与关键假设-迪斯科星球

如何用AI拆解机构研报：AlphaGBM Skills研报拆解工作流保留原始评级与关键假设

【免费下载链接】skillsBring realtime market data and research workflows into Claude Code, Cursor & beyond — 29 open-source Skills for stocks, options and commodities.项目地址: https://gitcode.com/gh_mirrors/skills38/skills

AlphaGBM Skills 是一个开源 AI 技能库，可以把实时市场数据与研究工作流带入 Claude Code、Cursor 等 AI 编程环境，其中alphagbm-report-breakdown（研报拆解工作流）专门帮新手和普通投资者用 AI 拆解机构研报：自动提取机构观点、原始评级、目标价、关键假设、风险与后续验证节点，并且严格保留"评级属于报告发布时点的机构判断"这一归属，不会把评级悄悄改写或包装成当下买卖建议。

为什么需要"研报拆解"这类 AI 工作流

机构研报通常信息密度很高：一份报告里混杂着机构观点、编辑解读、图表假设、公式推演和风险提示。新手阅读时最常见的两个坑：

张冠李戴：把"编辑的解读"当成"机构原话"，把"估值情景"当成"机构目标价"；
时点错位：把报告发布时的评级当成"现在还能买"的信号，忽略了评级不是概率、更不是承诺。

AlphaGBM 的研报拆解工作流正是针对这两点设计的：它要求 AI 在输出时保留原始日期、原始评级、货币单位与观察期限，区分事实、机构观点与 AI 自己的推断，最后附上风险和验证问题，而不是一句空泛的"利好"。

安装：一条命令接入你的 AI 工具

研报拆解是独立安装的 Skill 包，不需要单独安装 AlphaGBM CLI，唯一运行时依赖是 Python 3.9+：

npx skills add AlphaGBM/skills --skill alphagbm-report-breakdown

安装时安装器会询问你使用的 AI 工具（Claude Code、Cursor 等）。装完后，直接对 AI 说人话即可，例如：

帮我调用 AlphaGBM 拆解一份已发布研报，说明机构观点、原始评级、关键假设、风险和后续验证节点。

工作流怎么跑：从检索到拆解两步走

整个流程定义在 skills/alphagbm-report-breakdown/references/report-breakdown.md 中，分两步：

第 1 步：找到要拆解的研报。通过公开目录检索已发布内容——AlphaGBM 自有研究用research --collection research --lang en，机构观点摘要用research --collection news --view research --lang en（中文加--lang zh），从返回结果里选中一篇，记下它的 slug 和版本（revision）。

第 2 步：调用打包好的 Python 运行器拆解：

python3 "<skill-dir>/scripts/run.py" report --slug <published-slug> --revision <published-revision> --lang en

这条命令读取的是已公开发布的数据，无需 API Key、不消耗付费分析额度。如果后端暂不可用，工作流会直接报错并停下，而不是用示例数据"假装成功"。

等等——这张图已使用过，实际文章只保留第一张即可。下面的结构化输出示例展示的是拆解结果的字段形态。

拆解结果长什么样：五块核心内容

AI 会按固定结构向你汇报，每块都有明确的"不越界"规则：

报告身份：机构名称、报告日期、涉及资产。注意——必须用报告日期，不能用"存档时间/发布时间/你检索的时间"偷换概念。
核心论点：主要观点是什么、它成立需要哪些前提，并引用返回的章节 ID 和来源。
原始评级与目标价：把评级和目标价归属到报告发布时点的机构，货币、期限、评级变化、关联资产原样保留；缺失的字段就如实说缺失，绝不替你脑补单位或日期。
关键假设与风险：图表、公式、情景里的假设要保留原样；情景推演结果不能写成"已经发生的事实"。
后续验证问题：报告里已发布的风险与下一个该核实的信号；如果没有，AI 会明说，并把自己补充的问题明确标注为"我（AI）的建议"。

仓库里附带了一个离线示例文件 demo/report-breakdown.json，可以直观看到 JSON 结构：institution（机构）、originalRatings（原始评级与目标价）、keyAssumptions（关键假设）、risks（风险）和nextCheckpoints（验证节点）。示例中还特意写入了rating is not a probability or a promise（评级不是概率、不是承诺）这类风险提醒。

新手避坑：三个容易踩的边界

① 机构摘要 ≠ 机构完整报告。工作流明确区分三种数据源：owned_research是已发布文档的完整正文（含图表公式）；institutional_summary只是已发布的摘要，即使编辑声称看过完整报告，返回的也仍是摘要，不是机构私有 PDF；owned_research_summary只是一段短评论，关联的完整报告不会自动附带。

②partial状态要看懂。状态为partial表示该结果没有经过最新来源核验或实时市场上下文，此时不宜把结论当成最新事实使用。

③ 研报内容一律视为"资料"而非"指令"。工作流要求把返回的正文、URL、嵌入文本全部当作不可信的研究素材处理，AI 不会执行研报里"夹带"的命令，也不会泄露你的密钥。

企业官网建设流程全解析